군집 착각 (The Clustering Illusion)

한눈에 보기

1. 빠른 요약

우리의 뇌는 포식자를 알리는 풀숲의 바스락거림이나 폭풍을 예고하는 구름의 모양처럼, 혼돈 속에서 질서를 찾는 패턴 탐색 기계로 진화했습니다. 하지만 이 강력한 생존 메커니즘에는 어두운 면이 있습니다. 아무런 패턴이 없는 곳에서도 패턴을 본다는 것입니다. 주가, 지도상의 암 발생 건수, 농구 선수의 연속 득점과 같은 무작위 데이터를 볼 때, 우리는 사실 무작위성이 만들어내는 자연스러운 "덩어리짐"일 뿐인 것을 의미 있는 군집으로 인식합니다. 진정한 무작위성은 균일하게 퍼져 있지 않으며 덩어리져 나타나는데, 우리의 뇌는 이 덩어리를 보이지 않는 힘이 작용하고 있다는 증거로 착각합니다.

2. 과학적 배경

2.1. 발견과 역사

군집 착각은 인간 인지 연구에 깊은 뿌리를 두고 있으며, 몇 가지 중요한 발견을 통해 개념이 구체화되었습니다.

• 1970년대: 이스라엘 심리학자 아모스 트버스키(Amos Tversky)와 다니엘 카너먼(Daniel Kahneman)이 대표성 휴리스틱을 파악하여, 우리가 군집을 왜 잘못 인식하는지에 대한 심리학적 기초를 제공했습니다.
• 1958년: 독일의 신경학자 클라우스 콘라트(Klaus Conrad)가 원래 조현병의 맥락에서 서로 관련 없는 것들 사이에서 의미 있는 연결을 지각하는 광범위한 경향을 설명하기 위해 "아포페니아(apophenia)"라는 용어를 만들었습니다.
• 1985년: 길로비치(Gilovich), 발론(Vallone), 트버스키(Tversky)의 기념비적인 "뜨거운 손(Hot Hand)" 연구가 군집 착각을 주류 과학 담론으로 이끌었습니다.
• 1991년: 토머스 길로비치(Thomas Gilovich)의 저서 *우리가 안다고 생각하는 것들은 과연 사실일까?(How We Know What Isn't So)*에서 "군집 착각"이라는 이름을 공식적으로 명명하고 뚜렷한 인지 편향으로 대중화했습니다.
• 2018년: 밀러(Miller)와 산후르호(Sanjurjo)의 수학적 재분석을 통해 착각을 연구하던 연구원들조차 통계적 오류를 범했다는 사실이 밝혀지며, 이 편향에 대한 우리의 취약성이 얼마나 깊은지 증명되었습니다.

2.2. 주요 연구자

2.3. 기념비적 연구

뜨거운 손 연구 (Gilovich, Vallone, & Tversky, 1985)

이 연구는 농구 팬, 선수, 코치들 사이에서 널리 퍼져 있는, 선수가 "뜨거워질 수 있고" 성공이 또 다른 성공을 낳는다는 보편적인 믿음을 조사했습니다.

연구 방법:

• 농구 팬 100명을 대상으로 슛 연속 성공에 대한 믿음을 설문조사
• 1980-81 시즌 필라델피아 세븐티식서스의 슈팅 기록 분석
• 조건부 확률 조사: 이전 슛이 성공한 후 다음 슛의 성공 확률이 증가하는가?
• 보스턴 셀틱스의 자유투 기록 분석 (수비 변수 제거)
• 코넬 대학교 대학 대표팀 선수들을 대상으로 통제된 슈팅 실험 수행

주요 발견:

• 팬의 91%는 선수가 슛을 성공한 직후에 다음 슛을 성공시킬 확률이 더 높다고 믿음
• 84%는 방금 여러 번 슛을 성공한 선수에게 패스하는 것이 중요하다고 믿음
• 실제 데이터에 따르면 슛의 성공 확률은 이전 결과와 거의 독립적임
• 관찰된 "연속 성공"의 횟수는 무작위 순서에서 기대할 수 있는 수준과 정확히 일치함
• 선수들은 "손이 뜨겁다"고 느낄 때조차 우연보다 나은 수준으로 자신의 성공과 실패를 예측하지 못함

결론: 연구진은 뜨거운 손이 기억 편향(번갈아 나타나는 패턴은 잊어버리고 연속된 패턴만 기억함)과 군집 착각이 결합되어 생성된 인지적 환상이라는 결론을 내렸습니다.

밀러-산후르호의 반박 (2018)

30년 후, 경제학자 조슈아 밀러와 애덤 산후르호는 기존 연구 방법론에서 교묘하지만 치명적인 결함인 연속 선택 편향(streak selection bias)을 발견했습니다.

발견: 유한한 이진 데이터 순서에서 성공이 연속된 후 성공이 나올 확률은 기본적인 성공 확률보다 낮을 것으로 예상됩니다. 이는 직관에 반하지만 수학적으로 증명할 수 있습니다. 동전을 100번 던졌을 때, 앞면이 나온 후 앞면이 나올 기대 확률은 0.50이 아니라 약 0.46입니다.

의미:

• GVT(길로비치 등) 연구진은 성공 후 50%의 슛을 성공하는 선수가 뜨거운 손을 가진 것이 아니라고 가정함
• 올바른 기준선은 실제로는 약 46%이므로, 50%를 기록하는 선수는 무작위 기대치를 대략 4% 포인트 상회하는 실적을 내고 있었음
• 재분석 결과 뜨거운 손 효과에 대한 통계적으로 유의미한 증거가 발견됨

메타 교훈: 군집 착각을 연구하는 과학자들조차 무작위성에 대한 통계적 오해의 희생양이 되었으며, 이는 이 편향이 진정 얼마나 깊게 뿌리박혀 있는지 보여줍니다.

클라크의 V-2 폭격 분석 (1946)

영국의 계리사 R.D. 클라크는 남부 런던에 떨어진 독일 V-2 로켓 폭격에 대한 통계 분석을 수행했습니다.

연구 방법:

• 남부 런던을 동일한 크기(0.25 제곱킬로미터)의 576개 그리드 구역으로 분할
• 이 구역들에 걸친 537번의 폭탄 투하 지점 추적
• 순수 무작위 상황에서 예상되는 결과를 예측하기 위해 푸아송 분포(Poisson distribution) 적용

결과:

결론: 런던 시민들로 하여금 특정 동네가 표적이 되고 있다고 믿게 만들었던 "군집"은 무작위적인 우연과 완전히 일치했습니다.

2.4. 신경학적 근거

군집 착각은 몇 가지 인지적 메커니즘과 뇌 시스템이 관여합니다.

패턴 인식 시스템:

• 뇌의 시각 피질과 패턴 인식 네트워크는 규칙성을 감지하도록 진화적으로 조율되어 있습니다.
• 측두엽은 순차적인 정보를 처리하고 예상되는 패턴에서의 편차를 식별합니다.
• 군집이 감지되면 이 시스템은 아무 패턴이 존재하지 않을 때조차 "패턴 감지!" 신호를 보냅니다.

부호화 메커니즘 (Falk & Konold):

• 사람들은 일련의 순서를 머릿속에 부호화(기억)하기가 얼마나 어려운지를 기준으로 무작위성을 판단합니다.
• "앞앞앞앞앞앞(HHHHHH)"과 같은 순서는 부호화하기 쉽습니다("앞면 6번") → 무작위가 아닌 것으로 판단
• "앞뒤앞앞뒤앞(HTHHTH)"과 같은 순서는 부호화하기 어렵습니다(기계적 암기 필요) → 무작위적인 것으로 판단
• 무작위적인 과정은 때로 "압축 가능한" 군집을 생성하는데, 뇌는 이를 패턴으로 표시합니다.

도파민 보상 시스템:

• 패턴 감지는 보상 경로를 촉발하여 군집을 발견했을 때 신경학적 "쾌감"을 제공합니다.
• 이는 패턴을 찾는 행동을 강화하는 긍정적인 피드백 루프를 만듭니다.
• "점과 점을 연결하는" 즐거움은 비록 잘못된 것일지라도 계속해서 패턴을 발견하도록 동기를 부여합니다.

주의력 시스템:

• 스티안 라이머스(Stian Reimers)의 연구에 따르면 교대 편향(alternation bias)은 변화를 감지하도록 조율된 주의력 시스템을 반영할 수 있습니다.
• 자연 환경에서 변화는 대응이 필요한 중요한 사건을 의미합니다.
• 정상 상태(군집)는 예상되는 교대에서 벗어나기 때문에 특별한 주의를 받습니다.

3. 진화적 기원

군집 착각은 인간 인지의 버그가 아닙니다. 그것은 인과관계를 빠르게 식별하는 능력이라는 인류의 가장 큰 진화적 자산의 어두운 이면입니다.

조상들의 생존 우위: 조상들의 환경에서 패턴을 감지하는 능력은 생존의 전제 조건이었습니다.

• 키 큰 풀숲이 바스락거리는 것이 포식자와 관련이 있다는 것을 인식하면 생명을 구할 수 있습니다.
• 특정 구름 모양이 폭풍을 예고한다는 것을 식별하면 대비할 수 있습니다.
• 특정 식물이 수원지 근처에 군집해 있다는 것을 알면 채집에 도움이 됩니다.
• 동물의 발자국이 물웅덩이 주변에 몰려 있다는 것을 감지하면 사냥 성공률이 높아집니다.

비용-편익의 비대칭성: 진화적 관점에서 볼 때, 위양성(거짓 양성, 없는 패턴을 보는 것)은 위음성(거짓 음성, 있는 패턴을 놓치는 것)보다 훨씬 비용이 적게 들었습니다.

• 위양성: 그저 바람이었던 바스락거림에서 도망침 → 약간의 에너지 소모
• 위음성: 실제 포식자였던 바스락거림을 무시함 → 죽음

이러한 비대칭성은 가끔 "유령을 보더라도" 패턴에 민감한 마음을 향해 강한 선택압을 만들었습니다.

현대적 불일치: 구조에 대한 이 섬세한 민감성은 다음과 같은 현대 세계에서는 부적응적인 것이 되었습니다.

• 무작위 보행(random walk)을 수행하는 금융 시장
• 통계적 분포를 따르는 질병 발생률
• 수학적으로 무작위적인 시퀀스를 생성하는 셔플 알고리즘
• 확률론에 의해 지배되는 스포츠 통계

우리의 뇌는 조상들의 패턴 감지 알고리즘을 현대의 확률적 데이터에 적용하여 우연에서 인과관계를 보고 사고에서 의도를 찾습니다.

4. 편향의 발현

4.1. 일상 생활에서

도박 및 게임:

• 연패를 겪은 후 슬롯 머신이 배당금을 지급할 "때가 되었다"고 믿는 것
• 로또에서 "행운의 숫자"가 예전에 나온 적이 있기 때문에 의미가 있다고 생각하는 것
• 카드 게임에서의 연속적인 성공을 "잘 풀리고 있는" 상태의 증거로 인식하는 것

스포츠 팬덤:

• 내가 경기를 볼 때마다 우리 팀이 "항상" 진다고 주장하는 것
• 기억에 남는 활약을 바탕으로 특정 선수가 "클러치(위기에 강한)" 선수라고 믿는 것
• 자신의 팀에 불리한 판정이 군집을 이루는 것을 보고 심판의 편파 판정을 인식하는 것

음악 및 엔터테인먼트:

• 셔플 재생이 특정 아티스트의 곡을 연속으로 재생할 때 음악 스트리밍 서비스가 해당 아티스트에게 "편향되어 있다"고 믿는 것
• 특정 장르의 음악이 "항상" 특정 시간에 나온다고 인식하는 것

미신:

• 우연한 군집을 바탕으로 의식(예: "행운의" 옷 입기)을 발전시키는 것
• 행운이나 불운의 "연속"을 믿는 것
• 일상적인 무작위 사건에서 의미 있는 패턴을 보는 것

4.2. 직장에서

성과 평가:

• 관리자가 최근 결과의 군집을 바탕으로 직원의 성과가 "뜨겁거나" "차갑다"고 인식하는 것
• 전체적인 실적보다는 이력서 상의 연속된 성공을 기준으로 구직자를 평가하는 것
• 최근의 성과 군집을 바탕으로 특정 팀이나 부서에 "모멘텀(기세)"이 있다고 믿는 것

영업 및 사업 개발:

• 단순히 무작위적인 성공의 군집일 뿐인 "뜨거운" 리드를 쫓는 것
• 무작위적인 실패가 몰려 나타난 후에 유망한 전략을 폐기하는 것
• 우연한 결과를 바탕으로 특정 시간, 위치 또는 접근 방식이 본질적으로 더 낫다고 믿는 것

프로젝트 관리:

• 결과의 군집을 바탕으로 프로젝트의 "기세"를 인지하거나 "저주받은" 프로젝트라고 인식하는 것
• 최근의 연속된 성과를 바탕으로 자원 할당 결정을 내리는 것
• 성공이나 지연이 군집을 이루는 것에 과잉 반응하는 것

4.3. 비즈니스 및 마케팅에서

소비자 조작:

• 카지노는 최근의 당첨 번호를 보여주며 군집 착각을 악용하여, 플레이어가 "뜨거운" 숫자나 "나올 때가 된" 숫자에 베팅하도록 유도합니다.
• 제품 성공의 "연속"을 마케팅하여 포모(FOMO, 놓칠까 봐 두려워하는 마음)를 생성합니다.
• 성공 사례와 추천글을 선택적으로 보고하여 인위적인 군집을 만듭니다.

제품 디자인:

• 스포티파이(Spotify)와 애플(Apple)은 진정한 무작위성이 사용자들에게 "고장 난" 것처럼 느껴졌기 때문에 셔플 알고리즘을 덜 무작위적으로 재설계했습니다.
• 스마트 셔플 알고리즘은 사용자의 "무작위" 기대치에 맞추기 위해 적극적으로 군집을 방지합니다.
• 게임 디자이너는 무작위성을 조작하여 게임이 더 "공정하다"고 느끼게 만듭니다.

판매 전술:

• 최근 구매 군집을 표시하여 트렌딩 제품임을 암시합니다.
• 판매가 몰린 상황을 보여준 후 "기간 한정" 제안을 사용합니다.
• 모든 사람이 만족하는 것처럼 보이도록 추천글 군집을 제시합니다.

4.4. 정치 및 미디어에서

여론조사 및 선거:

• 오차 범위 내의 무작위 변동을 바탕으로 여론조사 데이터에서 "기세"를 인식하는 것
• 결과의 군집을 바탕으로 특정 지역이나 인구 통계가 "돌아서고" 있다고 믿는 것
• 무작위 군집을 중요한 트렌드로 증폭시키는 미디어 보도

뉴스 보도:

• 무작위적인 사건 군집을 바탕으로 한 "범죄 물결" 보도
• 건강 데이터의 통계적 노이즈를 나타내는 "전염병"과 같은 언어 사용
• 우연한 사건의 군집을 중심으로 내러티브(서사) 생성

음모론:

• 무관한 사건들을 의미 있는 패턴으로 연결하는 것
• 우연한 타이밍에서 의도적인 조정을 보는 것
• 무작위 데이터 군집을 보이지 않는 힘의 증거로 해석하는 것

4.5. 의료 분야에서

암 군집(Cancer Clusters):

• 특정 동네에 무작위로 암 발생 건수 군집이 나타날 때 지역사회의 패닉
• 통계적 노이즈에 대해 환경적 원인에 대한 조사를 요구하는 것
• 1990년대 롱아일랜드 유방암 연구 프로젝트는 3천만 달러를 들여 인지된 군집을 조사했지만 대부분 인구 통계 및 발견 편향으로 설명되었습니다.

진단 오류:

• 의사가 최근 환자들의 군집을 바탕으로 질병 "패턴"을 인식하는 것
• 양성 소견의 최근 "연속"을 바탕으로 검사를 과도하게 지시하는 것
• 무작위적인 증상 군집을 특정 원인으로 귀인하는 것

치료 평가:

• 우연한 증상 개선의 군집을 바탕으로 환자가 치료가 효과적이라고 인식하는 것
• 무작위적인 부작용 군집을 바탕으로 약물 복용을 중단하는 것
• 무작위적인 개선 군집을 잘못 귀인하여 번창하는 대체의학

4.6. 금융 및 투자에서

기술적 분석:

• 무작위 가격 데이터에서 "헤드 앤 숄더(Head and Shoulders)", "이중 천장(Double Tops)" 및 기타 패턴을 식별하는 것
• 연구에 따르면 애널리스트들은 컴퓨터로 생성된 무작위 보행 차트에서도 똑같은 패턴을 식별합니다.
• 통계적 노이즈에 불과한 패턴을 중심으로 거래 전략을 구축하는 것

추세 추종(Trend Chasing):

• 투자자가 긍정적인 수익 군집을 가치가 근본적으로 변한 "뜨거운" 주식으로 인식하는 것
• (연속된 상승이 발생한 후) 무작위 군집의 최고점에서 매수하는 것
• '뜨거운 손' 오류의 금융 버전

군집 행동(Herding Behavior):

• 펀더멘털 분석보다는 다른 투자자들의 군집 행동을 따르는 것
• 연구에 따르면 이는 금융 이해력이 낮은 시장에서 특히 강력합니다.
• 인지된 모멘텀을 바탕으로 자기 강화적인 거품을 생성하는 것

손실에 대한 인식:

• 손실이 난 날들의 군집은 패닉 셀링(투매)을 요구하는 "폭락"으로 인식됩니다.
• 표준 편차 내의 무작위 변동성은 불균형적인 공포 반응을 촉발합니다.
• 손실 군집은 동일한 이익 군집보다 더 의미 있게 느껴집니다.

5. 현실 세계의 사례 연구

사례 연구 1: 런던에 대한 V-2 로켓 공격 (1944-1945)

• 배경: 제2차 세계 대전 중 나치 독일은 런던을 향해 V-1 비행 폭탄과 V-2 탄도 로켓을 발사했습니다. V-2는 사실상 큰 오차 범위를 가진 비유도 미사일로, 도시를 무차별적으로 타격하도록 설계되었습니다.

• 발생한 일: 런던 시민들은 폭탄이 군집을 이루어 떨어지는 것 같다고 관찰했습니다. 남부 런던의 특정 지역은 반복적으로 타격을 받은 반면 인접 지역은 피해를 입지 않았습니다. 표적이 된 지역의 독일 스파이, 빈민층에 대한 의도적인 타격, 또는 특정 랜드마크를 향한 유도 공격이라는 이론과 함께 패닉이 퍼졌습니다.

• 작용한 편향: 주민들은 무작위 폭격이라면 도시 전역에 균일하게 분포될 것이라고 예상했습니다. 어떤 지역은 여러 번 타격을 받고 다른 지역은 전혀 피해가 없는 군집을 관찰했을 때, 그들은 무작위성을 거부하고 인과적인 설명을 찾았습니다.

• 결과: 군집 착각은 패닉, "표적이 된" 지역에서의 이주, 이웃 간의 원한, 민방위 자원의 잘못된 방향 설정 등을 야기했습니다. 존재하지도 않는 스파이를 찾는 데 에너지가 낭비되었습니다.

• 얻은 교훈: 1946년 R.D. 클라크의 통계 분석은 충격 패턴이 푸아송 분포(순수한 무작위성이 만들어내는 결과)와 정확히 일치한다는 것을 증명했습니다. 어떤 무작위 분포에서든 균일성은 불가능합니다. 일부 영역은 반드시 여러 번 타격을 받는 반면 다른 영역은 완전히 피하게 됩니다.

사례 연구 2: 롱아일랜드 유방암 연구 프로젝트 (1990년대-2000년대)

• 배경: 뉴욕 롱아일랜드의 나소(Nassau) 및 서퍽(Suffolk) 카운티 여성들은 유방암 발병률이 비정상적으로 높다는 것을 관찰했습니다. "1 in 9(9명 중 1명)"과 같은 풀뿌리 운동은 살충제, 전자기장, 산업 폐수 등의 환경 독소를 원인으로 가설을 세우고 조사를 요구하며 로비를 벌였습니다.

• 발생한 일: 정치적 압력으로 인해 의회는 롱아일랜드 유방암 연구 프로젝트(LIBCSP)를 의무화했습니다. 이 프로젝트는 국립암연구소(National Cancer Institute)가 조정하여 10년 이상 진행된 3천만 달러 규모의 대규모 복합 연구였습니다.

• 작용한 편향: 주민들은 의미 있는 암 발생 군집을 인식하고 그것이 지역의 환경적 원인 때문일 것이라고 가정했습니다. 이것은 데이터 포인트의 군집을 관찰한 후 그 주위에 과녁을 그리는 "텍사스 명사수 오류"입니다.

• 결과: 토양, 물, 먼지, 혈액 샘플을 철저하게 조사하고 분석한 결과:

  • 유기염소 화합물(DDT/PCB)과 유방암 사이의 연관성은 발견되지 않았습니다.
  • 전력선과의 연관성도 발견되지 않았습니다.
  • 다환 방향족 탄화수소와는 경미하고 결정적이지 않은 연관성만 있었습니다.
  • 이 "군집"은 주로 인구 통계(늦은 출산을 하는 부유한 인구 - 알려진 위험 요소)와 발견 편향(높은 유방 조영술 비율로 인해 더 많은 암이 발견됨)으로 설명되었습니다.

• 얻은 교훈: 모든 군집에 환경적인 '스모킹 건(결정적 증거)'이 있는 것은 아닙니다. 인구 통계학적 요인과 진단 발견율은 지역적 원인의 증거라기보다는 통계적 인공물에 불과한 겉보기 군집을 만들 수 있습니다.

역사적 사례: 마린 카운티 암 "군집"

유방암 발병률이 높은 또 다른 부유한 지역인 캘리포니아 마린 카운티에서도 비슷한 현상이 발생했습니다. 주민들은 환경적 원인을 두려워했지만:

• 나중에 연구를 통해 밝혀진 바에 따르면 이 "군집"은 부유층 인구의 호르몬 대체 요법(HRT) 사용 비율이 높았기 때문이었습니다.
• (HRT를 암 위험과 연관시키는 연구가 나온 후) HRT 사용이 감소하자 발병률도 감소했습니다.
• 인과 관계는 있었지만 군집 착각이 암시했던 환경적 원인은 아니었습니다.
• 이 패턴은 군집 착각이 조사관들로 하여금 어떻게 잘못된 방향을 찾도록 이끌 수 있는지 보여줍니다.

6. 이 편향의 비용

6.1. 개인적 비용

재정적 손실:

• 무작위 군집에 불과한 "뜨거운" 투자 트렌드를 쫓는 것
• 무작위적인 연패 후 건전한 전략을 버리는 것
• 도박에서 "당첨될 때가 되었다"거나 "뜨거운 연속"이 있다고 믿어 손실을 입는 것

정서적 고통:

• 개인적인 "불운의 연속"을 인식함으로써 생기는 불안
• 일상적인 결정을 제약하는 미신적인 행동
• 우연한 부정적인 사건 군집에 근거한 비합리적인 두려움

관계의 손상:

• 우연한 사건을 바탕으로 파트너의 행동에서 패턴을 인식하는 것
• 관찰된 무작위 군집에서 근거 없는 의심을 키우는 것
• 군집 기반의 결론을 강화하는 확증 편향

기회 비용:

• 초기의 무작위적인 실패 후 유망한 시도를 포기하는 것
• 인지된 "적절한 타이밍"을 기다리느라 기회를 놓치는 것
• 미신적인 의식에 낭비되는 노력

6.2. 직업적 비용

투자 손실:

• 연구에 따르면 개인 투자자들은 추세를 쫓는 행동으로 인해 지수 수익률을 지속적으로 하회합니다.
• 인지된 패턴을 바탕으로 승자를 너무 일찍 팔고 패자를 너무 오래 보유하는 것
• 허구적인 신호를 바탕으로 한 과도한 거래로 인한 거래 비용 발생

경력 결정:

• 단기적인 결과 군집을 바탕으로 직장을 떠나거나 진로를 포기하는 것
• 관리자가 면접의 "연속성"을 바탕으로 잘못된 채용 결정을 내리는 것
• 인지된 부정적 성과 패턴에서 오는 수행 불안

비즈니스 전략 실패:

• 기업이 무작위적인 저조한 분기 실적 이후 건전한 전략을 포기하는 것
• 부서의 인지된 "모멘텀"에 따른 자원의 잘못된 할당
• 소비자 행동 데이터에서 패턴 찾기로 인해 손상된 시장 조사

6.3. 사회적 비용

공중 보건 자원:

• 통계적 노이즈를 조사하는 데 수백만 달러 지출 (예: 3천만 달러가 소요된 롱아일랜드 연구)
• 진정한 공중 보건 위협에서 자원이 전환됨
• 조사를 통해 원인이 밝혀지지 않을 때 발생하는 지역 사회의 불안과 불신

정책의 오도:

• 무작위 범죄 군집에 대응하는 "범죄 물결" 대책
• 통계적 인공물을 바탕으로 한 환경 규제
• 진짜 문제는 해결되지 않은 채 존재하지 않는 문제에 자원 할당

시장의 비효율성:

• 집단적인 추세 추종 행동이 거품과 붕괴를 일으킴
• 군집 행동이 시장 변동성을 증폭시킴
• 그저 무작위일 뿐인 "뜨거운" 부문에 대한 자원의 잘못된 배분

6.4. 통계적 영향

연구 결과:

• 뜨거운 손 연구에 따르면 농구 팬의 91%가 군집 착각에 대한 믿음을 가지고 있었습니다.
• 바게나르(Wagenaar)와 바-힐렐(Bar-Hillel)은 인간이 대략 60-70%의 교대 비율(진정한 무작위 = 50%)로 "무작위" 순서를 생성한다는 사실을 발견했습니다.
• 밀러-산후르호(Miller-Sanjurjo)의 보정에 따르면 숙련된 통계학자조차도 진정한 무작위성 효과를 약 4% 포인트 과소평가합니다.
• 클라크(Clarke)의 V-2 분석은 그에 따르는 심각한 결과에도 불구하고 대중의 인식이 체계적으로 잘못되었음을 보여주었습니다.

7. 숨겨진 이점

군집 착각은 여러 비용에도 불구하고 적응 목적을 수행할 수 있습니다.

빠른 패턴 감지:

• 패턴이 존재하는 환경에서 빠른 감지는 생존에 우위를 제공합니다.
• 이 편향은 패턴이 흔했던 조상들의 환경을 위해 최적으로 조정된 것을 나타낼 수 있습니다.
• 진짜 패턴을 놓치는 대가가 클 때는 "안전한 것이 후회하는 것보다 낫다(Better safe than sorry)"는 원칙이 적용됩니다.

학습 가속화:

• 비록 때로는 잘못된 것일지라도, 패턴을 인식하는 것은 진짜 패턴이 있는 환경에서 학습을 가속화할 수 있습니다.
• 연관성을 기꺼이 가설화하려는 태도는 인과적 추론을 발전시킬 수 있게 합니다.
• 과학자들 자신도 가설을 생성하기 위해 패턴 지각에 의존합니다.

사회적 조정:

• 패턴(팀 모멘텀, 행운의 물건 등)에 대한 공유된 믿음은 위약(플라세보)과 유사한 메커니즘을 통해 실제 효과를 만들어낼 수 있습니다.
• 뜨거운 손에 대한 믿음은 통계적으로 근거가 없더라도 팀의 조정을 향상시킬 수 있습니다.
• "뜨거운 기세"를 타고 있다는 인식에서 오는 자신감은 심리적 메커니즘을 통해 성과를 향상시킬 수 있습니다.

동기 부여 효과:

• 자신이 "잘 풀리고 있다"고 믿는 것은 어려운 시기를 견뎌낼 노력을 유지하게 할 수 있습니다.
• 진행 상황의 패턴을 인식하는 것은 끈기를 유지하는 감정적 보상을 제공합니다.
• 무작위성을 온전히 받아들이는 것은 목표 지향적인 행동을 약화시킬 수 있습니다.

중요한 주의 사항: 이러한 이점은 특정 상황에서만 작용합니다. 잘 알려진 무작위적 과정(시장, 셔플, 통계적 분포)이 존재하는 데이터가 풍부한 현대 환경에서는 군집 착각의 비용이 그 이점을 능가하는 경우가 많습니다.

8. 자가 진단: 당신에게도 이 편향이 있나요?

8.1. 경고 신호 체크리스트

• 특정 슬롯 머신이 이제 돈을 지급할 "때가 되었다"고 믿는다.
• 스포츠에서 선수들이 진정으로 "뜨겁거나" "차갑게" 될 수 있다고 생각한다.
• 우연한 성공을 바탕으로 나만의 징크스나 미신적 의식을 발전시켰다.
• 셔플 알고리즘이 같은 아티스트를 반복해서 틀기 때문에 "고장 났다"고 불평한 적이 있다.
• 특정 요일, 시간 또는 조건이 나에게 행운을 가져다준다고 믿는다.
• 주식 차트에서 "추세"를 보고 그에 따라 거래한 적이 있다.
• 무작위적인 사건에서 패턴을 인식하고 그에 따라 행동한 적이 있다.
• 누군가가 "잘 풀리고 있는지" 예측할 수 있다고 자신한다.
• "일은 세 번 일어난다"거나 이와 유사한 군집에 대한 믿음이 있다.
• 좋지 않은 결과가 짧게 이어진 후 사용하던 전략을 포기한 적이 있다.

채점:

• 0-2개 선택: 낮은 취약성
• 3-5개 선택: 중간 취약성
• 6-8개 선택: 높은 취약성
• 9-10개 선택: 매우 높은 취약성

8.2. 자기 성찰을 위한 질문

1. 과거에 "잘 풀렸던" 시기에 당신의 근본적인 실력이 실제로 향상되었나요, 아니면 단순히 무작위적인 성공의 군집을 경험한 것인가요?

2. 좋지 않은 결과가 짧게 지속되었다는 이유로 건전한 전략(다이어트, 투자 방식, 업무 방식)을 포기한 적이 있나요? 돌이켜보았을 때, 그 전략에 결함이 있었나요, 아니면 단지 무작위적인 변동을 겪고 있었던 것일까요?

3. 진정으로 무작위적인 사건이라면 일반적으로 일어나는 것보다 "더 널리 퍼져 있어야" 한다고 느끼나요? 연속적인 반복이 여러분에게 "잘못된" 것처럼 느껴지나요?

4. 무작위 과정(복권 번호, 스포츠 점수, 주가 움직임)에서 예측 가치가 있다고 믿었던 패턴을 발견한 적이 있나요?

5. 친구나 동료가 당신이 인지한 패턴이 단지 우연일 수 있다고 지적할 때, 보통 어떻게 반응하나요? 방어적인가요, 수용적인가요?

8.3. 빠른 진단 시나리오

시나리오: 여러분은 농구 경기를 보고 있습니다. 한 선수가 5번 연속 슛을 성공시켰습니다. 아나운서는 그가 "뜨거워지고 있다"고 말합니다. 경기 종료 30초 전, 여러분의 팀은 2점 차로 뒤지고 있으며 공격권을 가지고 있습니다.

상황을 어떻게 생각하시겠습니까?

• A) "그는 손이 뜨거워요. 그에게 공을 주세요! 그는 자신의 시즌 평균이 시사하는 것보다 이번 슛을 성공시킬 가능성이 훨씬 높아요." → 높은 취약성

• B) "그가 5번 연속 슛을 성공시킨 것은 의미가 있어 보이지만, 그의 다음 슛 성공 확률은 아마 시즌 평균에 가까울 거라는 걸 알아요. 그렇긴 하지만, 그의 자신감이 약간의 도움이 될 수는 있겠죠." → 중간 취약성

• C) "그의 지난 5번의 슛은 이번 슛과 무관합니다. 방금 무슨 일이 일어났든 간에, 공은 오픈 찬스를 만들 수 있는 위치에서 가장 높은 기대 확률을 가진 선수에게 가야 합니다." → 낮은 취약성

9. 타인에게서 이 편향 식별하기

9.1. 행동 지표

말할 때:

• "연속(streak)", "모멘텀(기세)", "뜨거운", "때가 된(due)", "패턴"과 같은 단어를 자주 사용함
• 우연한 사건을 중심으로 내러티브 구성 ("내가 시작한 이후로...")
• 최근의 관찰에 기초한 예측에 대한 강한 확신

의사 결정 시:

• 최근의 승자(투자, 전략, 접근 방식)를 쫓음
• 짧은 기간의 부정적인 연속 결과 후 접근 방식을 폐기함
• 인지된 "타이밍"이나 "느낌"을 바탕으로 선택을 내림

일상 생활에서:

• 불확실한 사건 전의 정교한 의식(징크스)
• "운"과 그 패턴에 대한 강한 의견
• 우연의 일치에서 의미를 찾는 경향

9.2. 대화의 적신호 (Red Flags)

이 편향에 빠진 사람들이 자주 하는 말:

• "그가 달아오르고 있어요. 계속 그에게 공을 주세요!"
• "이제 이길 때가 됐어. 연속해서 너무 많이 졌거든."
• "이번 주에만 벌써 세 번째야. 분명 뭔가 있는 게 틀림없어."
• "알고리즘이 분명 편향되어 있어. 계속 같은 아티스트 곡만 틀어주잖아."
• "나쁜 일은 항상 세 번 겹쳐 온다니까."

그들이 제기하는 주장의 유형:

• 단기적인 결과를 근본적인 변화의 증거로 인용함
• 통계적 설명을 "핵심을 놓치는 것"이라고 묵살함
• 데이터보다 "느낌"이나 직관에 호소함

그들이 묻기를 피하는 질문들:

• "이게 만약 순전한 무작위라면 실제로 어떤 모습일까?"
• "이것이 무작위가 아니라고 확신하려면 얼마나 많은 관찰이 필요할까?"

9.3. 상황적 촉발 요인

상황:

• 순차적인 결과 관찰 (스포츠, 도박, 시장)
• 공간 데이터 분석 (사건의 지도, 분포)
• 최근 성과 평가 (개인, 전문가, 기타)

환경적 요인:

• 신속한 패턴 매칭을 부추기는 시간적 압박
• 결과에 대한 감정적 투자
• 실제 기저율(base rate)에 대한 제한적인 피드백

감정 상태:

• 설명과 통제력을 갈구하는 불안감
• 긍정적인 신호를 찾는 희망
• 부정적인 패턴 인식을 증폭시키는 두려움

사회적 맥락:

• 패턴에 대한 믿음이 강화되는 집단 환경
• 확고한 믿음을 가진 전문가 커뮤니티 (트레이딩, 스포츠)
• 연속성과 패턴을 강조하는 미디어 보도

10. 인지적 편향 제거 전략

10.1. 즉각적인 기술

기저율(Base Rate) 질문하기: 패턴을 받아들이기 전에 "이것이 순전히 무작위라면 어떤 결과를 기대할 수 있는가?"라고 물어보세요. 관찰된 패턴이 무작위성의 기대치 안에 속한다면 판단을 보류하세요.

표본 크기 확인: "나에게 관찰 데이터가 몇 개나 있는가?"라고 질문하세요. 작은 표본은 본질적으로 연속성이 나타나기 쉽다는 것을 기억하세요. 패턴을 받아들이기 전에 더 큰 표본을 요구하십시오.

교대 편향 수정: 진정한 무작위성은 직관적으로 예상하는 것보다 더 많은 연속(streaks)을 만들어낸다는 사실을 상기하세요. "앞앞앞앞앞앞(HHHHHH)"과 같은 순서는 드문 일이 아닙니다. 수학적으로 주기적으로 발생해야 하는 현상입니다.

반사실적(Counterfactual) 테스트: "만약 반대의 패턴이 발생했다면, 내가 그것을 이렇게 강하게 알아차렸을까?"라고 물어보세요. 우리는 종종 우리의 기대를 확증하는 패턴에 선택적으로 주의를 기울입니다.

텍사스 명사수 경보: 누군가가 패턴을 제시할 때, "이 패턴은 데이터를 보기 전에 가설로 설정되었는가, 아니면 데이터를 본 후에 설정되었는가?"라고 물어보세요. 사후에 만들어진 패턴은 극도의 회의적인 시각으로 바라보아야 합니다.

10.2. 장기 전략

통계적 이해력(리터러시) 기르기:

• 기본적인 확률 이론과 푸아송 분포 학습하기
• 실제 무작위 순서가 어떤 모습인지 이해하기
• 도박사의 오류와 뜨거운 손 오류를 명시적으로 연구하기

의사 결정 일지 작성:

• 예측과 그 이면의 논리를 기록하기
• 시간에 따른 결과를 추적하여 패턴 감지 능력을 교정하기
• 과거에 감지했던 "패턴"들을 검토해 보기 (얼마나 많은 패턴이 진짜였나요?)

확률론적 사고:

• 확실성이 아닌 확률로 생각하는 연습하기
• 무작위 프로세스에 내재된 것으로서의 불확실성을 수용하기
• "더 가능성이 높은 것"과 "확실한 것"을 구별하기

반증 증거 찾기:

• 인지된 패턴과 모순되는 데이터를 적극적으로 찾기
• 패턴을 인지했을 때 회의적인 출처(자료) 참고하기
• 확인하는 증거와 반증하는 증거에 대해 동일한 수준의 검증 적용하기

10.3. 환경 설계

표본 크기 늘리기:

• 데이터를 제시하기 전에 데이터를 집계하는 시스템 구축하기
• 단기적 변동을 강조하는 실시간 피드 피하기
• 최근의 연속성보다 장기적 추세를 강조하는 대시보드 만들기

통계적 맥락 추가하기:

• 데이터와 함께 신뢰 구간 표시하기
• 비교를 위한 과거 분포 보여주기
• "무작위일 경우의 모습" 기준선 포함하기

냉각기(Cooling-Off Period) 도입:

• 패턴을 인지한 후 결정을 미루기
• 패턴 기반 행동에 대해 명시적인 정당화 요구하기
• 패턴에 대한 가정에 의문을 제기하는 검토 지점(체크포인트) 마련하기

사전 약속(Pre-Commitment) 활용:

• 결과를 관찰하기 전에 결정 규칙 설정하기
• 단기적인 결과에 관계없이 정해진 기간 동안 전략을 고수하기
• 인지된 패턴에 따른 반응적 변화를 억제하는 마찰 요인 만들기

10.4. 외부의 의견을 구해야 할 때

통계 전문가의 도움을 구해야 할 때:

• 인지된 패턴에 기초하여 중대한 결정을 내릴 때
• 의미 있는 군집이라는 주장(건강, 성과, 시장)을 평가할 때
• 무작위성이 관여하는 시스템을 설계할 때

동료 검토(Peer Review)를 구해야 할 때:

• 자신이 어떤 패턴에 대해 강한 확신을 갖게 되었을 때
• 타인이 당신의 패턴 인식에 대해 회의적일 때
• 해당 패턴이 중대한 행동 변화를 주도하고 있을 때

해당 분야 전문가와 상담해야 할 때:

• 특정 분야에 실제로 패턴이 존재하는지 평가할 때 (일부 분야는 실제로 존재합니다!)
• 기저율과 예상되는 변동성을 이해할 때
• 전문 분야에서 노이즈(잡음)로부터 시그널(신호)을 구별할 때

11. 실천 연습

연습 1: 동전 던지기 챌린지

• 목표: 진정한 무작위성이 얼마나 "무작위적이지 않게" 보이는지 경험하기
• 소요 시간: 15분
• 준비물: 동전, 종이, 펜
• 난이도: 초급
• 방법:
  1. 동전을 100번 던지고 모든 결과(앞면 H 또는 뒷면 T)를 기록합니다.
  2. 데이터를 보기 전에, 관찰하게 될 가장 긴 연속(streak)은 몇 번일지 예측해 보세요.
  3. 동일한 결과가 4번 이상 연속된 부분을 모두 동그라미 치세요.
  4. 그러한 연속의 총 횟수를 세어 보세요.
  5. 이것을 여러분의 직관과 비교해 보세요. 예상보다 더 많았나요, 적었나요?
• 성찰 질문:
  • 연속의 횟수나 길이에 놀라셨나요?
  • 여러분이 "무작위"라고 생각하는 것과 비교했을 때, 그 결과 순서는 어떻게 "느껴"졌나요?
  • 동전 던지기 결과라는 것을 모른 채 이 순서를 보았다면, 패턴이 있다고 의심했을까요?
• 빈도: 한 번 수행한 후, 무작위 데이터에서 패턴을 인지하고 있는 자신을 발견할 때마다 반복하세요.

연습 2: "무작위" 순서 생성하기

• 목표: 자신의 교대 편향(alternation bias) 경험하기
• 소요 시간: 10분
• 준비물: 종이, 펜
• 난이도: 초급
• 방법:
  1. 동전을 던지지 않고, 머릿속에서 50개의 "무작위적인" H(앞면)와 T(뒷면)의 순서를 적으세요.
  2. 결과가 바뀐 횟수(H→T 또는 T→H 전환)를 세어보세요.
  3. 교대 비율을 계산하세요: 결과가 바뀐 횟수 ÷ 49 (가능한 총 전환 횟수).
  4. 진정한 무작위 기대치인 50%와 비교해 보세요.
  5. 여러분의 교대 비율이 얼마나 더 높은지 확인하세요.
• 성찰 질문:
  • "무작위" 순서를 생성할 때, 왜 긴 연속을 피했나요?
  • 이 연습을 통해 무작위성에 대한 인식이 어떻게 바뀌었나요?
  • 이것이 우연에 대한 여러분의 직관적인 모델에 대해 무엇을 드러내나요?
• 빈도: 무작위성에 대한 직관을 교정할 필요가 있을 때마다 연습하세요.

연습 3: 과거 패턴 감사(Audit)

• 목표: 과거에 패턴을 바탕으로 내린 결정 평가하기
• 소요 시간: 30분
• 준비물: 과거 결정에 대한 일지 또는 메모
• 난이도: 중급
• 방법:
  1. 인지된 패턴(투자, 관계, 경력 이동)을 바탕으로 내렸던 5가지 결정을 나열하세요.
  2. 각각에 대해 다음과 같이 기록하세요: 어떤 패턴을 인지했나요? 그 패턴을 뒷받침하는 관찰은 몇 번이었나요?
  3. 결과를 조사해 보세요: 그 패턴이 당신이 예상한 대로 지속되었나요?
  4. 추정해 보세요: 무작위적인 우연이었다면 어떻게 예상되었을까요?
  5. 여러분의 "패턴 정확도"를 계산해 보세요.
• 성찰 질문:
  • 지속되지 않은 패턴에 대해 과도하게 확신했나요?
  • 만약 그것이 무작위일 것이라고 가정했다면 어떻게 되었을까요?
  • 이 교훈을 현재의 결정에 어떻게 적용할 수 있을까요?
• 빈도: 분기별 검토

일일 실천

"무작위성 확인" 습관: 하루에 한 번, 뉴스, 업무, 개인 생활에서 패턴을 지각하는 자신을 알아차릴 때 잠시 멈추고 질문하세요. "이것이 무작위라면 이런 결과를 예상할 수 있을까?" 이 상황에서 무작위적인 확률이 실제로 무엇을 만들어낼지 생각하는 데 2분을 투자하세요.

• 권장 시간: 2-3분
• 가장 좋은 시간대: 자신이 패턴을 맞추고 있다는 것을 알아차렸을 때 언제든지
• 진행 상황 추적 방법: 인지한 패턴이 당신의 정밀 조사를 통과한 횟수를 기록해 보세요.

주간 챌린지

패턴 회의주의 주간: 일주일 동안 인지한 모든 패턴을 기록하는 일지를 작성하세요. 각 항목마다 다음 사항을 적으세요:

• 인지된 패턴

• 패턴을 뒷받침하는 관찰 횟수

• 무작위 확률로 예상할 수 있는 것

• 그것이 실제 패턴이라는 당신의 확신 수준 (1-10)

• 4주 후 예상 결과: 패턴에 대한 회의감과 보정 능력이 극적으로 향상됨

• 성찰을 위한 일지 작성 주제:

  • 통계적 정밀 조사를 통과한 패턴은 몇 개인가?
  • 나 자신의 패턴 감지 성향에 대해 무엇을 배웠는가?
  • 그 결과 나의 행동은 어떻게 변했는가?

12. 특정 독자를 위한 가이드

리더와 관리자를 위한 가이드

리더십에 미치는 영향:

• 최근 성과의 연속성을 기준으로 직원을 평가하려는 충동 억제하기
• 분기별 결과에는 상당한 무작위 변동이 포함되어 있음을 인식하기
• 시장, 전략 또는 부서에서 "기세(모멘텀)"를 쫓는 것을 피하기

팀 단위의 개입:

• 팀원들에게 기본적인 통계적 사고 교육하기
• 패턴이 존재한다고 결론 내리기 전에 최소 표본 크기 설정하기
• 패턴 기반 추론에 의문을 제기하는 문화 조성하기

의사 결정 프로세스:

• "이 패턴이 무작위라면 어떻게 될까?"라고 묻는 사전 검시(pre-mortems) 실행하기
• 패턴 기반의 전략 변경 시 기저율 비교 의무화하기
• 인지된 트렌드에 따라 행동하기 전에 검토 기간 마련하기

조직 설계:

• 더 긴 시간 범위를 가진 피드백 시스템 만들기
• 의미 있는 기간에 걸친 평균을 구하는 측정 지표(metrics) 설계하기
• 단기 변동성을 강조하는 실시간 대시보드 피하기

부모와 교육자를 위한 가이드

연령별 교육:

• 동전 던지기 실험을 사용하여 무작위성 시연하기 (8세 이상)
• 게임에서 실력과 운의 차이 논의하기 (10세 이상)
• 스포츠와 게임을 통해 확률 개념 소개하기 (12세 이상)

학급 활동:

• 학생들에게 "무작위" 순서를 생성하게 한 다음, 실제 무작위 순서와 비교하기
• 학교 스포츠 데이터에서 "뜨거운 연속 성공" 분석하기
• 카지노가 왜 최근의 당첨 번호를 보여주는지 토론하기

편향 인식의 모델링:

• 아이들이 패턴을 인지할 때 함께 조율 질문(calibration questions)을 던지기
• 패턴이 무작위일 수 있을 때 불확실성 보여주기
• 무작위성을 인식하는 기술을 칭찬하고 기념하기

의료 전문가를 위한 가이드

임상에 미치는 영향:

• 질병의 군집 현상이 통계적 인공물일 수 있음을 인식하기
• 최근 환자 증상에서 나타난 "패턴"에 기반한 과잉 진단 피하기
• 인지된 건강 군집 현상에 대한 지역사회의 불안 이해하기

환자와 소통:

• 증상의 군집이 근본적인 패턴을 나타내는 것은 아닐 수 있음을 환자가 이해하도록 돕기
• 건강 결과의 기저율과 예상되는 변동성 설명하기
• 통계적 맥락을 통해 암 군집 현상에 대한 우려 해소하기

진단 시 고려사항:

• 최근 환자 패턴을 증폭시키는 가용성 편향 물리치기
• 인지된 트렌드에 의존하지 않는 구조화된 진단 프로토콜 사용하기
• 군집 현상 조사 시 통계적 자문 구하기

금융 전문가를 위한 가이드

투자 응용:

• 고객에게 수익률의 신호(Signal)와 소음(Noise)의 차이에 대해 교육하기
• 연속성에 집착하는 투자를 방지하기 위해 최소 보유 기간 시행하기
• 기술적 분석 패턴의 실패율에 대한 과거 데이터 보여주기

고객 소통:

• 정상적인 변동성 내에서 불가피한 손실 군집을 대비하도록 고객 준비시키기
• 장기적 기대치를 통해 최근 실적을 맥락화하기
• 기저율 교육으로 인기 주식/펀드 요청에 대응하기

위험 관리(리스크 관리):

• 진짜 위험 신호와 무작위적인 군집 구별하기
• 패턴 예측이 필요 없는 포트폴리오 구축하기
• 단기 추세에 관계없이 체계적인 리밸런싱 실행하기

13. 다른 편향과의 상호작용

군집 착각을 증폭시키는 편향들

이 편향을 상쇄할 수 있는 편향/요인들

흔한 편향 사슬 (Bias Chains)

뜨거운 손 폭포 효과 (The Hot Hand Cascade): 군집 착각 → 확증 편향 → 과신(Overconfidence) → 잘못된 결정

예시: 트레이더가 "뜨거운" 주식을 인식하고(군집 착각), 확증적인 뉴스를 알아차리는 반면 반대되는 신호는 무시하며(확증 편향), 패턴이 계속될 것이라고 확신하게 되어(과신), 최고점에서 포지션 크기를 늘린다(잘못된 결정).

암 군집 폭포 효과 (The Cancer Cluster Cascade): 군집 착각 → 가용성 휴리스틱 → 텍사스 명사수 오류 → 귀인 오류

예시: 지역사회에서 여러 암 발병 사례를 알아차리고(군집 착각), 이 사례들이 주의와 기억을 지배하며(가용성), 사후에 지리적 경계를 그어(텍사스 명사수), 증거 없이 환경적 원인을 탓한다(귀인 오류).

폭포 효과 차단하기:

• 패턴을 수용하기 전에 기저율 요구하기
• 데이터를 분석하기 전에 사전 명시된 가설 요구하기
• 이해관계가 큰 패턴 주장에 대해서는 통계적 자문 구하기

14. 문화적 관점

군집 착각의 문화적 차이에 대한 연구는 제한적이지만, 몇 가지 양상이 나타납니다.

보편적 측면:

• 무작위 데이터에서 패턴을 지각하는 기본적인 경향은 문화를 불문하고 보편적인 것으로 보입니다.
• 이는 인간의 근본적인 인지적 특징이라는 진화적 기원과 일치합니다.
• 연구된 모든 인구 집단은 "무작위" 순서를 생성할 때 교대 편향을 보입니다.

문화적 차이:

금융 이해력 효과:

• 파키스탄의 연구에 따르면 시장에서의 군집 착각 효과는 금융 이해력이 낮은 곳에서 더 강력합니다.
• 교육 수준이 높은 집단은 무작위성을 더 잘 인식할 수 있지만 면역력을 갖춘 것과는 거리가 멉니다.
• 노벨상 수상자(카너먼)조차도 군집 착각이 거짓임을 알면서도 매우 설득력 있게 느껴진다고 언급했습니다.

문화적 미신:

• 다양한 문화는 다양한 패턴 믿음(행운의 숫자, 날짜, 의식)을 발전시킵니다.
• 이러한 믿음은 보편적인 군집 착각의 구체적인 문화적 표현입니다.
• 이는 이 편향이 어떻게 문화적 내러티브와 상호작용하는지 보여줍니다.

15. 오해와 진실

16. 전문가의 통찰

"우리는 인지적 지름길(shortcuts)에 의존하는 인지적 구두쇠입니다. 군집 착각이 발생하는 이유는 무작위적 우연에 내재된 변동성의 양을 과소평가하기 때문입니다. 우리는 변동성이 변동적 원인을 의미한다고 가정합니다." — 토머스 길로비치, 우리가 안다고 생각하는 것들은 과연 사실일까? (1991)

"문제는 인간에게 진정으로 무작위적인 것은 무작위처럼 느껴지지 않는다는 점입니다. 그래서 무작위가 아니라는 사용자들의 불만이 폭주했습니다." — 마티아스 페테르 요한손(Mattias Petter Johansson), 전 Spotify 엔지니어

"사람들은 무작위 과정에 의해 생성된 일련의 사건들이, 그 순서가 짧을 때조차도 해당 과정의 본질적인 특성을 대표할 것이라고 기대합니다." — 아모스 트버스키 & 다니엘 카너먼, "소수의 법칙"에 대하여

17. 핵심 요약

1. 무작위성은 덩어리져 나타납니다. 진정한 무작위 분포는 군집을 포함합니다. 수학적으로 그래야만 합니다. 균일한 분포는 오히려 무작위가 아니라는 증거가 됩니다.

2. 우리의 패턴 인식은 버그가 아니라 생존 기능입니다. 군집 착각은 조상들의 생존을 도운 빠른 인과 추론의 어두운 이면입니다.

3. 작은 표본은 신뢰할 수 없습니다. "소수의 법칙"은 오류입니다. 짧은 연속 결과가 장기 평균을 반영할 것이라고 기대해서는 안 됩니다.

4. 전문가들도 희생양이 됩니다. 밀러와 산후르호는 군집 착각을 연구하던 연구자들조차도 원래 분석에서 통계적 오류를 범했다는 사실을 보여주었습니다.

5. 기술은 우리의 편향을 수용합니다. 스포티파이와 애플은 진정한 무작위성이 사용자에게 고장 난 것처럼 느껴지기 때문에 의도적으로 셔플을 덜 무작위적으로 만듭니다.

6. 이해관계가 높은 분야는 취약합니다. 공중 보건 조사, 금융 시장 및 전략적 결정은 모두 군집 착각에 의해 왜곡됩니다.

7. 인식하는 것이 도움은 되지만 제거하지는 못합니다. 통계적 교육은 편향을 줄일 수는 있지만 근절할 수는 없습니다. 구조적인 안전장치와 의사 결정 프로세스는 개인의 인식 능력을 보완하는 필수 요소입니다.

18. 추가 자료

학술 논문

• 길로비치, T., 발론, R., & 트버스키, A. (1985). 농구에서의 뜨거운 손: 무작위 순서에 대한 오인에 관하여. 인지 심리학(Cognitive Psychology), 17(3), 295-314.
• 밀러, J. B., & 산후르호, A. (2018). 뜨거운 손 오류에 놀랐는가? 소수의 법칙 속 진실. 이코노메트리카(Econometrica), 86(6), 2019-2047.
• 클라크, R. D. (1946). 푸아송 분포의 적용. 계리사 협회 저널(Journal of the Institute of Actuaries), 72(3), 481.
• 바게나르, W. A. (1972). 인간 피험자에 의한 무작위 순서 생성: 문헌에 대한 비판적 조사. 심리학 게시판(Psychological Bulletin), 77(1), 65-72.
• 폴크, R., & 코놀드, C. (1997). 무작위성의 이해: 판단의 기초로서 암묵적 부호화. 심리학 리뷰(Psychological Review), 104(2), 301-318.

도서

• 토머스 길로비치. (1991). 우리가 안다고 생각하는 것들은 과연 사실일까? (How We Know What Isn't So: The Fallibility of Human Reason in Everyday Life). Free Press.
• 다니엘 카너먼. (2011). 생각에 관한 생각 (Thinking, Fast and Slow). Farrar, Straus and Giroux.
• 레오나르드 믈로디노프. (2008). 춤추는 술고래의 수학 이야기 (The Drunkard's Walk: How Randomness Rules Our Lives). Pantheon Books.
• 나심 니콜라스 탈레브. (2005). 행운에 속지 마라 (Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets). Random House.

책 챕터

• 트버스키, A., & 카너먼, D. (1971). 소수의 법칙에 대한 믿음. 불확실성 하의 판단: 휴리스틱과 편향 (pp. 23-31). Cambridge University Press.

19. 요약 카드

20. 사용된 용어집

21. 토론 질문

북클럽, 교실 또는 자기 성찰을 위한 질문:

1. 밀러와 산후르호의 연구는 군집 착각을 연구하는 연구자들조차도 무작위성을 이해하는 데 오류를 범했음을 보여주었습니다. 이것은 인지적 편향을 극복하는 데 있어서 전문성의 한계에 대해 우리에게 무엇을 말해줍니까?

2. 스포티파이(Spotify)는 사용자를 만족시키기 위해 셔플 알고리즘을 덜 무작위적으로 만들기로 결정했습니다. 이것이 올바른 접근 방식일까요? 기술이 우리의 편향을 수용해야 할까요, 아니면 편향을 극복하도록 도와야 할까요?

3. 롱아일랜드 유방암 연구는 통계적 인공물을 조사하는 데 3천만 달러를 썼습니다. 이것은 자원 낭비였을까요, 아니면 지역사회의 우려에 대한 필수적인 대응이었을까요? 공중 보건 기관은 감지된 암 군집에 어떻게 대응해야 합니까?

4. 만약 뜨거운 손(Hot Hand)이 (밀러-산후르호의 보정에 따라) 존재하지만 그 효과가 미미하다면, 코치들은 여전히 전략을 조정해야 할까요? 패턴은 어느 정도의 효과 크기(effect size)에서 실질적으로 의미를 갖게 됩니까?

5. 여러분 자신의 삶의 어떤 영역에서 군집 착각의 희생양이 되고 있을 수 있나요? 이를 확인하기 위한 테스트를 어떻게 설계하시겠습니까?